距离修正的模糊C均值聚类算法.docVIP

距离修正的模糊C均值聚类算法 摘要:经典的模糊c均值算法基于欧氏距离,存在等划分趋势的缺陷,分错率较高,只适用于球形结构的聚类。针对这一问题,利用数据的点密度信息,在数据点与聚类中心的距离度量中引入了调节因子,提出了一种基于密度的距离修正矩阵,并用其代替经典模糊c均值算法中的距离度量矩阵。通过人造数据集和uci数据集的两组聚类实验,证实了改进算法对非球形结构的数据同样适用,且相比经典的模糊c均值算法具有更高的聚类准确率。 关键词:聚类;模糊c均值;距离度量;点密度;调节因子 improved fuzzy c-means clustering algorithm based on distance correction 英文作者名lou xiao-jun1*, li jun-ying1, liu hai-tao1,2 英文地址(1.shanghai institute of microsystem and information technology, chinese academy of sciences, shanghai 200050, china; 2.wuxi sensingnet industrialization research institute, wuxi jiangsu 214135,china) abstract: based on euclidean distance, the classic fuzzy c-means (fcm) clustering algorithm has the limitation of equal partition trend for data sets. and the clustering accuracy is lower when the distribution of data points is not spherical. to solve these problems, a distance correction factor based on dot density was introduced. then a distance matrix with this factor was built for measuring the differences between data points. finally, the new matrix was applied to modify the classic fcm algorithm. two sets of experiments using artificial data and uci data were operated, and the results show that the proposed algorithm is suitable for non-spherical data sets and outperforms the classic fcm algorithm in clustering accuracy. key words: clustering; fuzzy c-means (fcm); distance measurement; dot density; regulatory factor 0引言 模糊聚类技术基于模糊集合论,被广泛应用于数据挖掘、模式识别、控制决策等领域,具有重要的理论和实际应用价值。模糊c均值(fuzzy c-means, fcm)算法是模糊聚类中最基本也是应用最广泛的方法之一,它是一种基于划分的聚类算法,依据最小二乘原理,采用迭代方法优化目标函数,最终得到每个样本点的归属[1-4]。然而经典的fcm算法基于欧氏距离,只能适用于球形结构的聚类,最小化目标函数的方法具有对数据集进行等划分的趋势,对于其他结构的聚类分错率较高[5-6]。因此出现了许多fcm的改进算法,有学者考虑了样本点不同维度对聚类效果的不同贡献,通过特征加权的方式来优化算法[7-9];有学者引入了不同的距离度量方法,如马氏距离[10-11]、组合距离[12]、权重距离[13];还有学者通过修正隶属度函数和目标函数来优化算法[14-15]。本文基于数据的点密度信息,提出了一种基于距离修正的fcm(fcm based on distance correction, fcm-dc)改进算法,引入了距离度量的调节因子,弥补了欧氏距离等划分趋势的影响,通过人造数据和uci数据的两组聚类实验,证实了该算法相比经典的fcm具有更广的适用范围和更高的聚类准确率。 模式识别中通常利用样本点之间的距离来度量其差异性,然后作为判别其归属的依据。经典的模糊c均值算法采用欧氏距离来度量样本间的差异性,虽然